目录
摘要................................................................................................................................Ⅰ
关键词............................................................................................................................Ⅰ
AbstractⅡ
引言
1 研究背景意义及现状 1
1.1 研究背景、意义 1
1.2 农产品价格预测模型研究现状 1
1.3 研究内容及技术路线 2
2 相关技术介绍 3
2.1 Python语言简介 3
2.2 网络爬虫 3
2.2.1 Selenium 与Webdriver 3
2.2.2 爬虫过程 4
2.3 人工神经网络 5
2.3.1 生物神经元 5
2.3.2 人工神经元 5
2.3.3 激活函数 6
2.3.3.1 sigmoid 函数 6
2.3.3.2 tanh 函数 7
2.3.3.3 ReLU 函数 8
2.4 TensorFlow及Keras 8
2.5 深度学习常见模型 8
2.5.1 长短期记忆网络LSTM 8
2.5.2 门控循环单元GRU 10
2.5.3 双向长短期记忆网络BiLSTM 10
3 农产品价格数据预处理 11
3.1 数据爬取 11
3.2 归一化处理 12
4 农产品价格预测模型建立 13
4.1 基于长短期记忆网络 LSTM的模型构建 13
4.2 基于门控循环单元GRU的模型构建 15
4.3 基于双向长短期记忆网络BiLSTM的模型构建 *51今日免费论文网|www.51jrft.com +Q: ^351916072^ 
17
5 农产品价格预测结果分析与评价 19
5.1 衡量指标 19
5.2 测试集预测结果分析 18
5.2 未来一月价格预测结果分析 20
6 总结与展望 21
致谢 22
参考文献 23
基于AI的农产品价格预测模型研究
摘 要
物价可以直接反映我国的国民经济和发展当前结构状况，粮食价格的高低直接影响着我国总体价格水平，其中农产品价格的变化影响更为显著。农产品价格变化与国民经济和民生有着紧密联系，因为农产品价格受多种因素影响，所以价格预测也是研究的难点。农产品价格波动较大，影响着生产者的决策和收入，也影响着消费者生活，现已成为主要经济和民生问题。在此基础上，对农产品价格进行短期预测，可以帮助农民在最快的时间内调整商品数量，规避市场风险，确保市场秩序和稳定。本文使用 Selenium 模拟浏览器对网页信息进行爬取，以此获取农产品价格数据。以生猪内三元价格作为研究对象，基于 2015 年 1 月 1 日至 2020 年 4 月 12 日的价格数据，研究农产品价格变动趋势。然后，本文基于长短期记忆网络LSTM和门控循环单元GRU以及双向长短期记忆网络BiLSTM建立三种模型。最后，将三种模型预测的结果进行对比分析。
RESEARCH ON THE PRICE FORECASTING MODEL OF AGRICULTURAL PRODUCTS BASED ON AI
ABSTRACT
Prices can directly reflect the current structure of Chinas national economy and development. The rise and fall of grain prices will directly affect the change of Chinas overall price level, especially the change of agricultural product prices. The price change of agricultural products is closely related to the national economy and peoples livelihood. Because the price of agricultural products is affected by many factors, the price prediction is also the difficulty of research. The price of agricultural products fluctuates greatly, which affects the decisionmaking and income of producers and the life of consumers. It has become a major economic and livelihood issue. On this basis, the shortterm prediction of the price of agricultural products can help farmers adjust the quantity of commodities in the fastest time, avoid market risks, and ensure the order and stability of the market. In this paper, we use selenium simulation browser to crawl the web information to obtain the price data of agricultural products. Based on the price data from January 1, 2015 to April 12, 2020, this paper studies the price change trend of agricultural products. Then, three models are established based on LSTM, GRU and BiLSTM. Finally, the results of three models are compared and analyzed.

原文链接：http://www.jxszl.com/jsj/wljs/606877.html